在基礎教育階段構筑人工智能學習體系

【摘要】人工智能正以越來越快的速度在基礎教育和高等教育中全面展開，為不同階段的學習者構建人工智能教學內容體系，已經成為不可回避的關鍵性問題。針對人工智能教育中的各種困惑，分析了人工智能教育的層次結構，構建了面向不同學齡段的多層次的學習內容體系，并對教學方法與教學中的關鍵性問題提出了建議。

【關鍵詞】人工智能；人工智能教育；基礎教育；內容構建

【中圖分類號】G633.67【文獻標志碼】A【文章編號】1005-6009（2020）43-0007-05

【作者簡介】李駿揚，東南大學（南京，211189）自動化學院、教師教學發展中心講師，工學博士，江蘇省自動化學會科普與推廣委員會副主任委員。

一、引言

人工智能并非是一門單一的學科，而是一門復雜的、具有綜合性與學科交叉性的學科。[1]人工智能以數學為核心，目前通常以計算機為實現手段，以解決我們現實中遇到的各種問題。

自2017年國務院發布《新一代人工智能發展規劃》以來，“人工智能”就從一個令人敬畏的詞語迅速普及到各行各業，并有以“人工智能”代替一切與之有關詞匯的趨勢。在教育部新修訂的高中信息技術課程標準中，“人工智能初步”也已成為選擇性必修的六大模塊之一。[2]26當前，教育研究者們紛紛開始思考在基礎教育階段人工智能教學的標準、方法與內容。在開始正式的分析前，不妨先看下當前人工智能教育面臨的一些問題。

首先是教學內容與體系上的混亂。目前市場上已經出現了大量的面向青少年的人工智能書籍，其內容主要包括圖像處理、機器學習、大數據、Python、語音識別、自然語言處理、生物體特征識別、無人駕駛等等[3]，也有書籍對人工智能進行更深入的哲學思考。[4]但是，以上提及的領域并不在同一個維度中，有的屬于技術范疇，有的屬于應用范疇，這種龐雜性往往使教學內容的編寫者無所適從。

其次是師資隊伍的缺乏。這也是人工智能教學實施的困難之一。很多教師對于人工智能領域不了解，也缺乏人工智能的實踐經驗，由此阻礙了人工智能走進課堂。[5]

最后是對人工智能概念的泛化。目前，社會機構普遍將“人工智能”的概念泛化，例如用編程教育來替代人工智能教育，用創客教育來替代人工智能教育，或用機器人教育來替代人工智能教育。盡管在這些教育的實施過程中，不乏某些與人工智能相關的案例，但不能說它們就是人工智能。人工智能教育的外延被無限擴大，這值得教育者反思與警惕。

二、人工智能的內涵

在高中信息技術課程標準中，人工智能被定義為“通過智能機器延伸、增強人類改造自然和治理社會能力的新興技術”[2]26。卡普蘭和海恩萊因則認為人工智能系統“能夠正確解釋外部數據，從這些數據中學習，并利用這些學習獲得的具有靈活適應性的知識，實現特定的目標和任務”[6]。這些對人工智能的詮釋都揭示了：（1）人工智能通常以人造的機器（智能體）為載體；（2）這些人造的機器（智能體）具備感知、學習、決策、執行能力中一項或多項功能；（3）人工智能存在的意義在于解決現實問題。人工智能的教學內容也應該圍繞著這幾個關鍵點而展開。因此，有必要將這幾個關鍵點逐一做解釋。

首先是感知，感知即輸入人工智能處理所需要的數據，這些數據包括利用傳感器搜集的環境數據，也包括智能體通過網絡等多種渠道獲得的海量數據，或者智能體通過大數據分析得到的進一步有價值的數據。簡單的數據感知只是對數據進行搜集、清洗和存儲，而更智能的感知可以對數據進行更智能的處理，例如對無結構化的原始數據采用模式識別等方法進行結構化。這一部分的教學內容包括傳感器、AD轉換、3D重建、機器視覺等。另外，對于大數據的部分，可以作為單獨的教學模塊。

其次是學習與決策。這兩者是統一的，人工智能要實現決策，通常需要一個學習的過程。學習，往往是通過統計的方法，對已知輸入和輸出的數據進行分析，學習其在統計意義上的關聯；決策，就是將學習的結果應用到新的數據輸入當中，從而得到需要預測的結果。大多數通過機器學習來構建的系統都有學習與決策的過程。（見圖1）

無論是早期比較流行的淺層學習方法，還是目前非常熱門的深度學習方法，都要首先構建一個學習機，該學習機就像一個空白的大腦，要真正發揮作用，還需要大量數據的訓練（學習），調整其中的參數。調整這些參數的重要手段就是知道當前學習機運行的結果與真實結果的偏差，因此需要大量已標注結果的數據（有監督學習），而在一些特殊的場合，學習機可以不通過現有的數據，而是通過規則判定來實現差錯對比，比如著名的AlphaGo Zero。[7]

學習與決策的過程，表面上看是程序運行的結果，但關鍵在于算法的設計，即通過數學對學習機進行建模和求解。學習者在這一領域學習的內容包括模式識別、機器學習、神經網絡、深度學習、控制理論等等。

最后是執行。決策的結果往往需要通過現實的方法來對真實世界進行影響。進行執行的，可能是人，也可能是機器人、無人車、飛行器等等。因此，電子、機械、電氣、控制與自動化等相關內容的學習，在這一領域是不可缺少的。機器人工程也往往作為人工智能領域的一部分。

三、人工智能產業體系與學習要點

人工智能產業，從縱向來說，大致可以分為以下幾個層次：核心層、計算層、平臺層、應用層、普及層與產業層。（見圖2）

在人工智能教學中融入數學，因為我們培養的人才不僅僅在應用領域進行創新，我們也更需要那些深入底層，能夠在核心領域進行創新的人才。核心領域的創新能力才能賦予國家具有實質性優勢的創新能力，也才能夠真正抵御外部環境帶來的技術封鎖的風險。

4.應對人工智能教育全面開展帶來的教學挑戰。

人工智能教育已經在各個教育階段逐步普及，但這種普及并不是平均的，而是在各地區各校之間存在巨大的差異。這種差異也會給學生未來進入新的學校學習帶來負面影響，比如重復性地學習會讓學生失去學習興趣，而另一部分學生則不得不加快學習的進度以趕上班級的平均水平。學校在開展人工智能課程時也會因此帶來新的挑戰。在教學設計時應該充分考慮這些差異，充分考慮如何讓以往對人工智能接觸較少的學生趕上平均水平，也必須考慮讓水平已經較高的學生可以收獲更多。將課程模塊化，“車輪式”地開展課程的不同模塊，為不同層次的學生構建更加豐富和精準的選修形式，可能是解決這一問題的有效方法。

綜上，人工智能正在以前所未有的速度走進我們的生活，走進我們的教育。對于任何教育者，都不得不迎接人工智能對我們的教學所帶來的變革。與其在變革中被拋棄，不如在變革中改變。讓更多的學生在課程中獲得更多的收獲，是構建課程內容的核心問題，這也同時值得我們在教學實踐中不斷地探索、完善。

【參考文獻】

[1]陳·巴特爾，蘇明.人工智能的學科定位與發展戰略[J].國家教育行政學院學報，2019（8）：18-23，38.

[2]教育部.普通高中信息技術課程標準（2017年版）[S].北京：人民教育出版社，2018.

[3]姚玉華，陳仕品.高中階段人工智能教材內容設計研究[J].中國教育信息化，2019（11）：42-46.

[4]顧駿，郭毅可.人與機器：思想人工智能[M].上海：上海大學出版社，2018

[5]鄭書樂.高中階段實施人工智能教育的思考[J].學周刊，2019（28）：184-185.

[6]KAPLAN A，HAENLEIN M. Siri，Siri，in my hand：Whos the fairest in the land？ On the inter-pretations，illustrations，and implications of artificial intelligence[J]. Business Horizons，2019（1）：15-25.

[7]SILVERD，SCHRITTWIESERJ，SIMONYAN K，et al. Mastering the game of go without human knowledge[J]. Nature，2017（7676）：354.

[8]丁婧，李駿揚.青少年人工智能：啟蒙篇[M].南京：江蘇鳳凰教育出版社，2019.

[9]杜小勇，盧衛，張峰.大數據管理系統的歷史、現狀與未來[J].軟件學報，2019（1）：127-141.

[10]吳剛.從工具性思維到人工智能思維——教育技術的危機與教育技術學的轉型[J].開放教育研究，2018（2）：51-59.